Noticia

      Automatizamos el diagnóstico y mantenimiento de infraestructuras energéticas

      26 de septiembre de 2025

      Torre alta tensión

      «La aplicación para la inspección de las líneas eléctricas automatiza la detección de anomalías en la red y altas temperaturas»

      Desarrollamos nuevas tecnologías de inspección basadas en dronótica y deep learning para la automatización del diagnóstico y mantenimiento de infraestructuras energéticas

      La inspección y mantenimiento de infraestructuras eléctricas conlleva desafíos significativos por varios motivos:

      • Dificultad de acceder a áreas de difícil alcance o próximas a entornos hostiles.
      • Riesgo para los operarios y el funcionamiento de la propia instalación.
      • Complejidad de estas infraestructuras y sus componentes, que dificultan la gestión posterior de la información y la toma de decisiones.

      Estos condicionantes suponen una gran barrera para la identificación y evaluación precisa de posibles puntos de fallo, que permitirían anticiparse a interrupciones del servicio.

      Soluciones en el ámbito de la inspección y diagnóstico de infraestructuras

      Para afrontar este reto, en la iniciativa AZTERTUZ estamos desarrollando soluciones industriales en el ámbito de la inspección y diagnóstico de las infraestructuras energéticas; soluciones basadas en sistemas dronóticos, visión artificial y deep learning, que permiten optimizar el proceso de inspección, reducir los riesgos de la misma y mejorar el mantenimiento y conservación de elementos críticos.

      En colaboración con I-DE, se está desarrollando una aplicación para la inspección de las líneas eléctricas, que automatiza la detección de anomalías en la red y temperaturas altas inadecuadas.

      • Consiste en una solución integral, en la que se realiza un barrido de las líneas eléctricas desde el aire mediante un dron autónomo.
      • Este dron, que incorpora equipos de captura de imagen, cámaras termográficas y tecnología LiDAR, detecta de forma automática los defectos visibles y puntos calientes.
      • A partir de esta información, en base a algoritmos de deep learning, podemos determinar distancias reglamentarias y obtener un registro trazable de las anomalías detectadas.

      De esta forma, además de reducir la exposición de personas a zonas peligrosas, se proporcionan datos más completos y precisos para la toma de decisiones y se eliminan las emisiones de CO2 asociadas a los métodos tradicionales, en los que se emplea el helicóptero para la inspección.